思维链与思维模态辅助语音生成方法、装置、设备及介质

本发明涉及语音处理技术领域，可应用于金融科技及医疗健康等业务场景中，公开了一种思维链与思维模态辅助语音生成方法、装置、设备及介质，包括：接收源文本和用于指定情感表达的文本提示，将文本提示输入语言模型，生成情感控制向量，基于思维链机制处理源文本，生成音素序列，基于思维模态机制处理情感控制向量，生成音频特征序列，对音素序列和音频特征序列进行时间对齐操作，生成时间对齐序列，将时间对齐序列输入语音解码器，生成语音波形。本发明通过结合思维链机制与思维模态机制，打破了传统基于固定情感标签或预设控制参数的限制，实现了以自然语言灵活指定语音情感表达，提升了语音合成的自然性、表达的细腻性以及情感控制的自由度。